动态规划解决完全背包问题

## 背包问题

### 完全背包问题

 有一个背包体积为V,有n个物品，均有`(V,W)`两个属性，代表着他们的体积以及价值，现在所有的物品无限取用，求背包总和能够达到最大价值的物品取用方案。

### 递推式的推导

$N(i,V)$代表着取用i个物品下，总体积不超过V的最大价值组合。

那么如何推导出这个公式呢，因为可以用的物品是无限个物品所以相应的公式可以设置为$N(i,V) = max(N(i-1,V),N(i-1,V-v)+w,N(i-2,V-2v)+2w,...)$

 这个公式或许一开始难以理解，但是我们可以将其看成是由初始状态一层一层递推而来的，除了`N(i-1,V)`外，还包含着前面物品采用多次的情况。

那么我们也可以将$V$**替换**$V-v$写出等价的式子$N(i,V-v)=max(N(i-1,V-v),N(i-1,V-2v)+w,N(i-2,V-3v)+2w$

可知二式$N(i,V-v)+w$即可与一式的$N(i-1,V-v)....$等价,便可得到递推公式

$N(i,V)=max(N(i-1,V),N(i,V-v)+w$

如此一来便可写出完全背包问题的代码：下面代码仅仅展现了思路

```c++
// input the data and assign the array 
int n,v; // n -> the numebr of item , V -> the volume of bag
int dp[n][b];
int item[n]; // item have the property v w

// algorithm main
for(int i=1;i<=n;i++)
{
    for(int j=1;j<=v;j++)
    {
        dp[i][j] = dp[i-1][j];
        if (v-j>=0)
            dp[i][j] = max(dp[i][j], dp[i-1][j-item[i].v]+item[i].w);
    }
}
cout<<dp[n][v];

```

最终我们实现的代码如下,在[3. 完全背包问题 - AcWing题库](https://www.acwing.com/problem/content/3/) 中Ac成功.

```c++
#include <iostream>
#include <vector>

using namespace std;

struct Item {
    int weight;
    int value;
};

int knapsack(int n, int v, vector<Item>& items) {
    vector<vector<int>> dp(n + 1, vector<int>(v + 1, 0));

    for (int i = 1; i <= n; i++) {
        for (int j = 1; j <= v; j++) {
            dp[i][j] = dp[i - 1][j];
            if (j - items[i - 1].weight >= 0) {
                dp[i][j] = max(dp[i][j], dp[i][j - items[i - 1].weight] + items[i - 1].value);
            }
        }
    }

    return dp[n][v];
}

int main() {
    int n, v;
    cin >> n >> v; // 输入物品数量和背包容量
    vector<Item> items(n);

    for (int i = 0; i < n; i++) {
        cin >> items[i].weight >> items[i].value; // 输入每个物品的重量和价值
    }

    int result = knapsack(n, v, items);
    cout << result << endl;

    return 0;
}

```